【摘 要】
：
随着互联网的不断发展，在人们的生活与工作中，信息过载问题越来越严重，为了让人们在对自己的需求也不太明确的情况下，从海量的数据中找到自己需要的信息，推荐系统应运而生。推荐系统经过二十年的迅猛发展，协同过滤推荐模型已成为目前应用最为广泛的推荐模型。随着社交网络的发展，大量的社交信息也随之产生，越来越多的学者开始研究如何将社交信息融入到推荐系统中，以此提高推荐系统的推荐效果。信任信息是社交信息中的一种代表性信息，众多学者依据信任信息提出了许多基于信任关系的推荐模型，这些模型用不同的方式来解决推荐系统存在的数据稀
论文部分内容阅读
随着互联网的不断发展，在人们的生活与工作中，信息过载问题越来越严重，为了让人们在对自己的需求也不太明确的情况下，从海量的数据中找到自己需要的信息，推荐系统应运而生。推荐系统经过二十年的迅猛发展，协同过滤推荐模型已成为目前应用最为广泛的推荐模型。随着社交网络的发展，大量的社交信息也随之产生，越来越多的学者开始研究如何将社交信息融入到推荐系统中，以此提高推荐系统的推荐效果。信任信息是社交信息中的一种代表性信息，众多学者依据信任信息提出了许多基于信任关系的推荐模型，这些模型用不同的方式来解决推荐系统存在的数据稀疏与冷启动问题，但还是存在一定的问题。本文围绕着基于信任关系的协同过滤推荐模型这一研究内容，探讨如何充分挖掘信任关系中的隐式信息来帮助用户获得更加精确的推荐。本文的主要研究结果如下：
首先，针对传统的Top-N推荐任务，本文提出了一种融合信任关系和物品相似度的Top-N推荐模型TICF，该模型以Item-CF推荐模型为基础，通过分析信任的属性以及社交网络中的出度和入度挖掘信任关系中的隐性关系，将显性信任与隐性信任相结合生成新的信任关系，使用新的信任关系与用户自身的评分信息通过聚合的方式进行潜在兴趣度计算，生成个性化推荐列表，取前N个项目完成推荐。在两个公开数据集上的实验结果表明，TICF模型能够有效地提高推荐系统的推荐精确度。
其次，针对传统矩阵分解推荐任务，本文提出了一种融合综合信任的奇异值分解模型CT-SVD，该模型以奇异值分解模型为基础，同样使用用户-用户之间的显性信任和隐性信任关系生成的新的信任关系矩阵，通过矩阵分解技术将用户之间的信任关系矩阵与奇异值分解模型相结合，综合考虑用户评分信息和用户之间的信任关系对推荐模型评分预测的影响。在两个公开数据集上的实验结果表明，该模型有效提高评分预测的准确性，还能够有效地缓解推荐系统的数据稀疏性和冷启动问题。
其他文献
阴影检测一直是计算机视觉领域的一个重要的分支，其在计算机视觉领域中起着举足轻重的作用。阴影在自然场景中无处不在，阴影的存在会影响诸多计算机视觉任务，如目标识别、图像分割以及光学测量等。因此如何更好地检测阴影成为计算机视觉领域乃至整个人工智能领域亟待解决的难题。基于国内外研究现状以及深度学习和计算机视觉等相关知识，对如何获取更好的阴影检测结果进行了深入研究。具体研究内容如下：
首先，提出了将有效的多任务学习引入到阴影检测任务中，通过阴影尺度分类子网络在阴影检测过程中为主网络添加高级先验；然后，将提
随着数字化办公的普及，电子文件逐步代替纸质文档成为企业信息存储、共享和使用的办公工具，其中保存着大量的商业机密，如果发生泄露会造成巨大的财产损失。部分企业采用防火墙或者入侵检测技术防止外部攻击人员窃取机密文件，但是不能杜绝内部员工主动泄密的行为。在文件被泄露的情况下，如何保证文件数据的安全成为现代信息安全技术的关注热点之一。
首先，分析了国内外Windows平台主流的文件数据保护产品，发现了它们在安全性和实用性存在的问题。基于Windows文件系统操作内在机制，采用文件系统过滤驱动技术实现对文件
软件缺陷预测技术能有效辅助软件测试保证软件质量。然而，数据的不平衡性会使训练时过多关注多类无缺陷模块而对少类有缺陷模块训练不足，导致对缺陷模块分类性能大大降低；大量无关和冗余特征会降低预测精度；此外，单一分类器对分布多样的缺陷数据预测不够全面。本文就上述问题进行研究。
首先，针对缺陷数据不平衡问题，提出一种ADASYNTomek组合采样算法。采用自适应方式将合成重点聚焦于难以学习的缺陷样本上并通过TomeLink方法来确保数据集达到平衡的同时去除噪声样本，提高了数据质量。
其次，针对缺
近年来，随着计算机图形学的发展，交互场景已经越来越多地出现在多种虚拟环境中。其中，流体与固体的交互引起研究者的广泛关注。由于流体与固体之间的交互能够使生成的流体动画更加生动和逼真，因此常常被应用于游戏特效、动漫制作及虚拟现实环境等众多领域。本文针对大规模水面与物体的交互、水滴与玻璃窗的交互这两种不同的流固交互场景，分别进行模拟和改进，以获得更快、更逼真的交互效果。
首先，为了实现水面上物体的真实运动模拟，组合不同的方法对水面波浪进行分区建模，结合投影网格绘制出大规模真实的水面场景。对于玻璃窗上水
在计算机视觉中，行人目标跟踪是讨论的经典问题，它可以应用到很多领域，比如智慧交通、智能安防等等。这几年，单摄像头下的单目标跟踪取得了一定进展。但跨摄像头下的行人跟踪还是现阶段的难点和亟待解决的科研课题。因此，本论文主要是在深度学习框架下，针对跨摄像头行人重识别和单摄像头行人跟踪问题进行了研究：
首先，本论文对现有的目标跟踪算法和行人重识别算法的研究现状和基本概念进行了深入的探讨。并对一些神经网络的基础算法进行了研究和分析。
之后，本论文对基于多级特征并行互卷积的行人跟踪算法进行了研究。
随着机器学习和数据挖掘的发展，如何分析材料数据并给出用于实际生产中的决策，日趋成为材料信息学领域重点研究的内容。通过机器学习和数据挖掘构建预测模型，精简本构方程的复杂步骤，缩短材料的生产工期，节约锻造过程的资源和成本，从而提高产业工作效率。本文改进特征选择和参数优化的方法，提出基于特征选择的极端梯度提升模型，并用组合种群训练优化参数，用于钢材料性能预测。
首先，针对钢材料数据特征稠密不独立等问题，提出一种基于互信息特征组合的支持向量机递归特征消除算法，对材料的原始特征计算其互信息度，以互信息度作
软件缺陷与漏洞是造成软件安全问题的根源，对缺陷和漏洞进行预测是软件测试领域的重要组成部分，有助于合理分配测试资源，是提高软件质量与安全性的重要保证。针对此研究，本文提出了基于组合采样与XGBoost的缺陷预测方法及基于组合N-gram特征提取与异质集成的漏洞预测方法，本文的主要内容如下。
首先，分析了软件缺陷与漏洞预测的研究现状，对基于机器学习的静态预测方法进行了深入分析，然后从源码特征的量化表征及数据集中存在的特征维度高、类不平衡等问题及方法进行了研究。
其次，针对基于结构化度量的缺
离群点检测及数据聚类分析是数据挖掘的研究热点，通过检测离群点，可以从数据中获得重要的知识，有助于做出更好的决策支持。目前，离群点检测已经成功应用于入侵检测、欺诈检测、医疗健康、生态领域等，但离群点检测的精度和效率仍然面临着挑战。本文针对基于聚类的离群点检测算法存在的参数设置、基于聚类和基于密度的离群点检测算法的召回率和准确度的提高问题进行研究，本文的主要研究内容如下。
首先，分析了基于密度和聚类的离群点检测算法的研究现状，对算法中密度刻画不当和参数难确定问题，本文在无参数聚类搜索方法的基础上，提
Nowadays,the use of detection technologies is essential to meet the needs of emerging applications that require the development of contactless and innovative structures.New applications using acoustic signals for monitoring vital signals in humans includi
扩频通信系统中扩频序列的好坏直接影响到通信质量的好坏，因此为了寻找优良的扩频序列，最佳序列，序列偶等概念被相继提出。为了进一步扩展理想序列偶的存在空间，三值自相关二元序列偶的定义被提出，而因为几乎差集偶与三值自相关二元序列偶具有等价关系，所以几乎差集偶成为研究三值自相关二元序列偶的重要工具。本文利用两种计算机搜索算法，使用两种方法对几乎差集偶进行构造。
首先，本文提出对差集进行减元素或者增元素操作后得到新的集合对来构造几乎差集偶的算法，以及使用8阶和10阶经典分圆类的算法，在进行编程的过程中加入